的功能与少见的神经框架紧密结合，增加了网络部署成本，从而减缓了上市时间。【 图片来源：Arm Community 所有者：Arm Community 】我们再行来看一下这款处理器的参数：效能：CPUs, GPUs, DSPs 获取极大提高力，多达 5 TOPs/W 的加速器；网络反对：处置各种风行的神经网络，还包括卷积层（CNNs）和迭代（RNNs），用作分类、物体观测、图像增强、语音辨识以及自然语言解读；安全性：用于 Arm TrustZone 体系结构的基础，以大于攻击面继续执行；可扩展性：通过多核拓展，单个集群中最少有 8 个 NPUs 和 32 个 TOPs，网格配备中最少有 64 个NPUs；神经框架反对：与现有框架密切构建：TensorFlow , TensorFlow Lite , Caffe , Caffe 2 以及其他通过 ONNX 构建的框架；Winograd 卷积：与其他 NPUs 比起，普通过滤器的速度提升了 225%，需要在更加小的区域内取得更高的性能；内存传输：通过各种传输技术，将系统内存比特率最小化；异构 ML 计算出来：优化用于 Arm Cortex-A CPUs 和 Arm Mali GPUs；开源软件功能：通过 Arm NN 的反对去增加成本和防止瞄准；面向开发人员和未来为了让开发人员精彩一些，这个 ML 处理器有一个构建的网络掌控单元和 DMA（Direct Memory Access，必要内存读取），这个 DMA 需要管理整个网络的继续执行和迭代，还能在后台将数据迁移和移入主内存。同时，板载存储器容许中央存储权重和特征图，增加了外部储存器的通信，缩短了电池的寿命，这是对消费者所希望的标准用户体验的又一次接纳。至关重要的是，这个 ML 处理器充足灵活性，可以反对具备更高市场需求的用例，运营更加多且更大的所发特性：在单个集群中可配备 8 个内核，超过 32 TOP/s 的性能；或是在网格配备中超过 64 NPUs。
最后，这个 ML 处理器强化了性能，提升了效率，增加了网络部署成本，并且，通过相同功能和可编程引擎的密切耦合，让固件随着新功能的研发而改版，从而使得这个设计会过时。总而言之，通过能力、效率、灵活性三者的融合，这个 ML 处理器在边缘定义了 ML 推理小说的未来，让开发者在创立今天最佳用户体验的同时，符合未来的用例市场需求。
本文关键词：【,开元,官方网站,】,解读,Arm,开元官方网站,机器,学习,的
本文来源：开元官方网站-www.taartenvanjansen.com
